本書介紹了使用機(jī)器學(xué)習(xí)進(jìn)行個(gè)性化預(yù)測(cè)的通用原理和方法，以及其在推薦系統(tǒng)等具體場(chǎng)景下的應(yīng)用。第一部分簡(jiǎn)要介紹了機(jī)器學(xué)習(xí)的基礎(chǔ)內(nèi)容，主要圍繞回歸和分類展開對(duì)基本內(nèi)容、特征設(shè)計(jì)和評(píng)估方法的探討。第二部分詳細(xì)介紹了個(gè)性化機(jī)器學(xué)習(xí)的基礎(chǔ)知識(shí)。首先圍繞推薦系統(tǒng)設(shè)置介紹了基于記憶和基于模型的推薦方法等相關(guān)知識(shí)，并探討了將社交關(guān)系和價(jià)格等特征納入推薦中的個(gè)性化設(shè)置；之后，從時(shí)序和序列建模的角度介紹了自回歸和馬爾可夫鏈等基本方法，以及基于神經(jīng)網(wǎng)絡(luò)的更復(fù)雜的個(gè)性化技術(shù)。第三部分介紹了個(gè)性化機(jī)器學(xué)習(xí)的一些新興方向，包括涉及文本和圖像的數(shù)據(jù)生成和檢索等個(gè)性化應(yīng)用，并探討了開發(fā)個(gè)性化機(jī)器學(xué)習(xí)存在的過濾氣泡、極端化、偏置和公平性等問題和影響。本書在介紹個(gè)性化機(jī)器學(xué)習(xí)的通用技術(shù)之余，以豐富的案例研究、代碼展示、習(xí)題和實(shí)踐項(xiàng)目等方式向讀者呈現(xiàn)出更全面的個(gè)性化實(shí)現(xiàn)和應(yīng)用。無論對(duì)于尋求更面向應(yīng)用的機(jī)器學(xué)習(xí)技術(shù)的學(xué)習(xí)者，還是教授機(jī)器學(xué)習(xí)和推薦系統(tǒng)等課程的老師，本書都是理想的學(xué)習(xí)指南和教材。